精彩看点：盘点一个Python自动化办公的实战案例（word文件处理）

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

(资料图片)

鸡

汤

溪花与禅意，相对亦忘言。

大家好，我是Python进阶者。

一、前言

前几天在Python铂金交流群【Jethro Shen】问了一个Python自动化办公的问题，提问截图如下：

代码运行后的结果：

他预期的效果是选项和答案部分也需要显示出来，目前看上去还是没有显示出来。

他的原始代码如下：

importreblack_char=re.compile("[\s\u3000\xa0]+")chinese_nums_rule=re.compile("[一二三四]、(.+?)\(")title_rule=re.compile("\d+.")option_rule=re.compile("\([ABCDEF]\)")option_rule_search=re.compile("\([ABCDEF]\)[^(]+")answer_rule=re.compile("\([ABCDEF]\)")#从word文档的“一、单项选择题”开始遍历数据forparagraphindoc.paragraphs[1:100]:#去除空白字符,将全角字符转半角字符，并给括号之间调整为中间二个空格line=black_char.sub("",paragraph.text).replace("（","(").replace("）",")").replace("．",".").replace("()","()").replace("【","").replace("】","")#对于空白行就直接跳过ifnotline:continueiftitle_rule.search(line):print("题目",line)elifoption_rule.search(line):print("选项",option_rule_search.findall(line))elifanswer_rule.search(line):print("答案",answer_rule.findall(line))else:chinese_nums_match=chinese_nums_rule.search(line)ifchinese_nums_match:print("题目",chinese_nums_match.group(1))

二、实现过程

这里【瑜亮老师】指出是正则表达式的问题，没匹配到，自然就出不来结果。后来【不上班能干啥！】给了一份代码，如下所示：

importreblack_char=re.compile("[\s\u3000\xa0]+")chinese_nums_rule=re.compile("[一二三四]、(.+?)\(")title_rule=re.compile("\d+.")option_rule=re.compile("([A-F]\..+?)\s")#option_rule_search=re.compile("\([A-F]\)[^(]+")answer_rule=re.compile("【答案】([A-F])")#从word文档的“一、单项选择题”开始遍历数据forparagraphindoc.paragraphs[1:100]:#去除空白字符,将全角字符转半角字符，并给括号之间调整为中间二个空格line=black_char.sub("",paragraph.text).replace("（","(").replace("）",")").replace("．",".").replace("()","()")+""#对于空白行就直接跳过ifnotline:continueiftitle_rule.match(line):print("题目",line)elifoption_rule.match(line):print("选项",option_rule.findall(line))if"【答案】"inlineandanswer_rule.search(line):print("答案",answer_rule.findall(line))elifanswer_rule.match(line):print("答案",answer_rule.findall(line))else:chinese_nums_match=chinese_nums_rule.match(line)ifchinese_nums_match:print("题目",chinese_nums_match.group(1))

运行之后，可以得到预期发效果：

归根结底，还是正则表达式的问题。

后来【甯同学】使用openpyxl库，也给了一份代码，如下所示：

fromdocximportDocumentimportopenpyxlwb=openpyxl.Workbook()ws=wb.activews.append(["题目","选项1","选项2","选项3","选项4","答案"])doc=Document("题库.docx")all_runs=doc.paragraphsrows=[]forruninall_runs[1:]:print([run.text])if"【答案】"inrun.text:text_list=run.text.replace("\n","\t\t").replace("【答案】","").split("\t\t")rows+=text_listws.append(rows)rows=[]continuetext_list=run.text.replace("\n","\t\t").split("\t\t")rows+=text_listwb.save("1.xlsx")

可以得到预期的效果，如下图所示：

效果还是不错的！

后来【不上班能干啥！】还结合Pandas给了一份代码，如下所示：

importreimportpandasaspdfromdocximportDocumentdoc=Document("题库.docx")text=re.sub(r"<.*?>","",doc.part.blob.decode("utf-8"),flags=re.S)a=pd.DataFrame(re.findall(r"(\d+\..*?)(A\..*?)(B\..*?)(C\..*?)(D\..*?)【答案】([A-Z])",text),columns=["题目","选项一","选项二","选项三","选项四","答案"])a.replace([r"^\s+","\s+$"],"",regex=True,inplace=True)a.to_excel("题库.xlsx",index=False)

这个Pandas功力已经到炉火纯青的地步了！

三、总结

大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【WYM】提问，感谢【dcpeng】、【瑜亮老师】、【不上班能干啥！】、【甯同学】给出的思路和代码解析，感谢【水方人子】、【D I Y】、【冫马讠成】、【猫药师Kelly】等人参与学习交流。

大家在学习过程中如果有遇到问题，欢迎随时联系我解决（我的微信：pdcfighting），应粉丝要求，我创建了一些高质量的Python付费学习交流群和付费接单群，欢迎大家加入我的Python学习交流群和接单群！

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

-------------------End-------------------

往期精彩文章推荐：

盘点一个网络爬虫POST请求参数构造的问题

盘点一个Python基础中循环判断遇到一个小问题

重装pycharm和Python环境以后，以前的文件selenium获取不到元素了?

不使用内置函数的情况下，如何使用Python实现求平均值、最大值和最小值？

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行

/今日留言主题/

随便说一两句吧~~

关键词： 学习交流 显示出来 正则表达式